文献类型：期刊文章

作　　者：张锋利[1] 陈文献[2] 贾海英[3]

机构地区：[1]陕西地方电力设计有限公司,陕西西安710065 [2]安康供电局,陕西安康725000 [3]广东技术师范学院天河学院,广东广州510540

出　　处：《电网与清洁能源》

基　　金：国家自然科学基金项目"水轮发电机振动与局放在线监测与故障诊断"(51279161)~~

年　　份：2013

卷　　号：29

期　　号：4

起止页码：62-66

语　　种：中文

收录情况：IC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：支持向量机(SVM)与BP神经网络相比各有优缺点,通过对支持向量机和BP神经网络在水轮发电机滚动轴承故障诊断中的仿真实验,来对比两者在轴承故障诊断上的泛化能力。首先通过应用经验模态分解(EMD)的方法将轴承振动信号进行分解,得到本征模函数(IMF),再将IMF的平均能量值作为故障特征向量。将这些特征向量作为支持向量机和BP神经网络的学习样本。经过仿真研究结果表明,在小样本集的前提下,支持向量机在轴承故障诊断中的精确度不但受样本数量变动的影响较小,准确度也高于BP神经网络,具有较强的泛化能力。对水轮发电机滚动轴承故障诊断模型的应优先考虑选择SVM。

关 键 词：水轮发电机滚动轴承  经验模态分解 BP神经网络 支持向量机

分 类 号：TK730.8]